Machine Learning

Ətraflı məlumat üçün:

Ətraflı məlumat almaq və təlimin qiymətini öyrənmək üçün qeydiyyatdan keçin və ya bizimlə əlaqə saxlayın.

60 saat (2,5 ay) - 6 saat/həftədə

Həftədə 3 dəfə 2 saat olmaqla

Üstün səviyyə

Data Science və Python dili üzrə bilik və iş təcrübəsinin olması tələb edilir.

Hər mövzu üzrə dərs vəsaiti

PPT təqdimat, onlayn resurslar və əlavə dərs vəsaiti

Təlimin keçirilmə formatı

Dərslər həm onlayn həm də ənənəvi olaraq təlim mərkəzində keçirilir. Proqram üzrə mentor dəstəyi nəzərdə tutulub

Uğurla bitirmə "SERTİFİKATI"

Verilən tapşırıq və sonda "Final Project" uğurla yerinə yetirən iştirakçılar Uğur Sertifikatı ilə təltif ediləcək

Təlimçi

Azər Umudov

Senior Data Scientist

Kurs Haqqında

Machine Learning-in digər kompüter elmləri üzrə qərar proseslərindən fərqləndirən əsas cəhəti, datadan istifadə edərək proqnozlaşdırma alqoritmlərini qurmasıdır. Machine Learning istifadə edilən ən populyar sahələrdən bəziləri poçt xidməti tərəfindən tətbiq olunan əlyazma oxucuları, nitq tanıma, film tövsiyə sistemləri və spam detektorları daxildir.
"Data Science Əsasları" təlim proqramımızın davamı olan bu təlim proqramında sizlər, real keys və nümunələr əsasında Machine Learning alqoritmlərini, data tərtibatı, əsas komponent analizlərini və modellərin qurulmasını öyrənəksiniz.

Kursda nə öyrənəcəksiniz?

  • Machine learning proyektlərindəki bütün mərhələlərlə tanış olub, bu mərhələlərdə lazım olacaq həm praktik həm də teorik bilgilərə yiyələnəcəksiniz;
  • Həm supervised həm də unsupervised machine learning modellərinin qurulması, qoyulmuş biznes tələbə uyğun modellərin seçilməsi
  • Qurulmuş modellərin performansının ölçülməsi və parameter tuning processini; Machine learning-in tətbiqində tez-tez qarşılaşılan problemlərdən olan imbalanced dataset-lərlə işləmə bacarığı;
  • Deep learning istifadəsi üçün ilkin bilgiləri əldə edəcək və Neural Network, Convolutional Neural Network, Recurrent network kimi süni intellekt neyron şəbəkələrini;
  • İş həyatınızda daim sizə lazım ola biləcək platformaları (Cloud sistemləri, GİT) istifadə etməyi; Ən çox istifadə edilən Tensorflow, PyTorch, Scikit-learn kimi machine learning kitabxanalarının istifadəsini;

Tövsiyə Edilir

  • Data Science və Python dili üzrə əsas biliklərin olması
  • Riyaziyyat və statistika mövzuları üzrə təməl biliklərin olması.
  • Pre-intermediate səviyyəsində İngilis dili bacarığı
  • Kompüter və internətə çıxış imkanlarının olması.

Resurslar

Kurs müddətində sizlər hər mövzu üzrə elektron dərs vəsaiti və real keyslər üzrə praktik tapşırıqlar və həll yolları ilə tanış olacaqsınız. Bundan əlavə mövzudan aslı olaraq sizlər əlavə resusrlar ilə təmin ediləcək və daha dərindən mövzunu öyrənmək üçün internet resurslardan necə istifadə etmənin yollarını mənimsəyəcəksiniz.

Təlim kursu üçün təqdim olunan açıq mənbəli və pulsuz proqram təminatları köməyi ilə Data Analitikasını öyrənəcəksiniz.

Təlim Proqramı

Module 1: Python Fundamentals Review

  • Data types
  • Compound data structures (list, tuples, dictionaries)
  • Conditionals
  • Loops
  • Functions
  • Object-oriented programming

Module 2: Applied Math for Machine Learning

  • Linear Algebra
  • Multivariate Calculus
  • Probability concepts

Module 3: Data Preparation

  • Data types, Data Importing
  • Categorical feature encoding
  • Handling missing values
  • Exploratory Data Analysis
  • Outlier detection
  • Feature engineering
  • Feature elimination and selection
  • Feature Scaling (Standardization, Normalization)

Module 4: Machine Learning Algorithms

Module 5: Model Selection and Ecaluation

  • Problem of Overfitting and Underfitting
  • Cross Validation
  • Performance Metrics
  • Handling imbalanced dataset
  • Hyperparameter tuning

Module 6: Introduction to Deep Leaning

  • Neural Networks
  • Regularization and optimization strategies for Deep learning models
  • Advanced optimization algorithms
  • Convolutional Neural Networks (CNN)
  • Sequence Modeliling: Recurent Networks

Module 7: Machine Learning Model Deployment

  • Introduction to model deployment
  • ML System Architecture
  • Developing Machine Learning Model
  • Serving and Deploying the model via REST API
  • Continuous Integration and Deployment Pipelines
  • Differential testing

FINAL CAPSTONE PROJECT

  • Extracurricular: STEP to Industry - Preparation for machine learning interview - Learning GIT - Experiencing cloud platforms for Machine Learning projects

Class Schedule

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.

Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur.

Purus sit amet volutpat consequat mauris nunc congue. Ullamcorper morbi tincidunt ornare massa eget egestas purus viverra accumsan. Gravida neque convallis a cras semper auctor neque.

WeeksTimeSunMonTueWedThuFriSat
One07:00Intro of GrammerDiscuss the last class
How to write
Standard Practice
How words work
Practice at your home
Practice at your home
Two08:00Intro of SentencesParts of speechWord makingPatterns of sentencePhrasesClausesSentence problems
Three09:00Intro of VerbsFinite verbsLinking verbsAuxiliary verbsTransitive verbIntransitive verbVerb Phrases
Four10:00Intro of NounsFunction of NounsNoun stringNominalisationsForm of PronounsFunction of PronounsProblems of Pronouns
Five11:00Intro of AdjectivesFormFunctionsHow to useRoyal orderDegrees of comparisonAdjectival sequencing
Six12:00Intro of ConjunctionIntro of AdverbsFormFunctionDegreesPlacementIntensifiers
Seven13:00Intro of PrepositionsHow to identifyHow to write a paragraphProblems of prepositionsFunction of prepositionsCommon prepositionsWrite a paragraph
Eight14:00Intro of PunctuationMain punctuationPunctuation problemsHow to explorePunctuation marksOther punctuationEnd lesson of the course

Vitae ultricies leo integer malesuada nunc vel risus. Vitae purus faucibus ornare suspendisse sed nisi. Fermentum et sollicitudin ac orci phasellus egestas tellus.

Approach: Video interviews, mini-lectures, readings, quizzes, writing activities, and writing assignments.

Iştirakçıların Rəyi

  • 1 week ago

Lalə Quliyeva - ADA Universiteti (məzun)

Python ile Data Science" kursuna qoşulmazdan əvvəl bu sahə haqqında çox məhdud biliklərim var idi.  Kursda cəmi 2 ay ərzində böyük həcmdə lakin lakonik şəkildə məlumat əldə etdim. Bunun üçün Ülviyyə müəlliməyə və G&I Academy of Business-ə dərin təşəkkürümü bildirirəm. Data Science-da marağı olan hər kəsə bu təlim mərkəzini tövsiyyə edirəm
  • 1 week ago

Dilarə Quluzadə - AzTU (Müəllimə)

2 aylıq kurs müddətində data analizə giriş, data analizin prosesli, əlaqəli elm sahələri, intelləktual analizin üsul və vasitələri, tətbiq sahələri haqqında təməl biliklər Ülviyyə Cəfərlinin peşəkar metorluğu ilə mükəmməl tədris olundu. G&I Consulting Group komandasınının hər bir üzvünə və Ülviyyə Cəfərli olmaqla təşəkkürümü bildirirəm. ?

Müraciət et